-
Notifications
You must be signed in to change notification settings - Fork 0
/
Balanca_Comercial.py
188 lines (144 loc) · 6.9 KB
/
Balanca_Comercial.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
import pandas as pd
import streamlit as st
import plotly.express as px
import plotly.graph_objects as go
import plotly.io as pio
#-----------------------------------------------------------------------------------------------------------------#
## Configurações
# Ajuste configuração de pagina
st.set_page_config(
layout="wide",
page_title="COMEX - Balança Comercial",
page_icon= ':bar_chart:')
st.markdown(
"""
<style>
.Balança_Comercial {
background-color: #F5F5F5;
}
</style>
""",
unsafe_allow_html=True
)
#-----------------------------------------------------------------------------------------------------------------#
# Utilizado para operações pesadas
@st.cache_data
def load_data(caminho):
df = pd.read_parquet(caminho)
return df
# Carregar e armazenar dados no session_state se ainda não estiverem lá
if "df_exportacao" not in st.session_state:
st.session_state["df_exportacao"] = load_data('dados/df_exp.parquet')
if 'df_importacao' not in st.session_state:
st.session_state['df_importacao'] = load_data('dados/df_imp.parquet')
# Acessar os dados do session_state
df_exp = st.session_state["df_exportacao"]
df_imp = st.session_state['df_importacao']
# Extrair o menor / maior Ano do dataset
ano_inicial = df_exp['CO_ANO'].min()
ano_final = df_exp['CO_ANO'].max()
# Ajustes nos dataframes
df_exp['CO_ANO'] = df_exp['CO_ANO'].astype(int)
df_imp['CO_ANO'] = df_imp['CO_ANO'].astype(int)
#-----------------------------------------------------------------------------------------------------------------#
# Criando dataframe com os dados da Balança Comercial
# Dataframe_1
# Agrupando os dados por ANO_MES | EXP / IMP
df_ano_mes_exp = df_exp.groupby(['ANO_MES']).agg({'VL_FOB': 'sum'}).reset_index()
df_ano_mes_imp = df_imp.groupby(['ANO_MES']).agg({'VL_FOB': 'sum'}).reset_index()
# Concatenado os dataframes df_ano_mes (EXP/IMP)
df_ano_mes_merged = df_ano_mes_exp.merge(df_ano_mes_imp,
how='left',
left_on=['ANO_MES'],
right_on=['ANO_MES'],
suffixes=('_EXP', '_IMP'))
# Criando novas colunas
df_ano_mes_merged['BALANÇA_COMERCIAL'] = df_ano_mes_merged['VL_FOB_EXP'] - df_ano_mes_merged['VL_FOB_IMP']
df_ano_mes_merged['BALANÇA_COMERCIAL_ACC'] = df_ano_mes_merged['BALANÇA_COMERCIAL'].cumsum()
df_ano_mes_merged['%_VAR_EXPxIMP'] = (df_ano_mes_merged['VL_FOB_EXP'] / df_ano_mes_merged['VL_FOB_IMP'])-1
df_ano_mes_merged['ANO'] = df_ano_mes_merged['ANO_MES'].dt.year
# Dataframe_2
# Agrupando os dados por Grupo NCM | EXP / IMP
df_grupo_exp = df_exp.groupby(['NO_NCM_POR']).agg({'VL_FOB': 'sum'}).reset_index()
df_grupo_imp = df_imp.groupby(['NO_NCM_POR']).agg({'VL_FOB': 'sum'}).reset_index()
# Concatenado os dataframes df_grupo (EXP/IMP)
df_grupo_merged = df_grupo_exp.merge(df_grupo_imp,
how='left',
left_on=['NO_NCM_POR'],
right_on=['NO_NCM_POR'],
suffixes=('_EXP', '_IMP'))
#-----------------------------------------------------------------------------------------------------------------#
# Sidebar
# Adicionar a opção "Todos os Anos" à lista de anos
ano = ["Todos"] + df_ano_mes_merged['ANO'].unique().tolist()
#st.sidebar.header('Filtro 1')
ano_selecionado = st.sidebar.selectbox("Selecione o Ano", ano)
# Filtrar o DataFrame
if ano_selecionado == "Todos":
df_ano_mes_merged_filtered = df_ano_mes_merged
else:
df_ano_mes_merged_filtered = df_ano_mes_merged[df_ano_mes_merged['ANO'].isin([ano_selecionado])]
# Filtrar o DataFrame
if ano_selecionado == "Todos":
df_exp_filtered = df_exp
else:
df_exp_filtered = df_exp[df_exp['CO_ANO'].isin([ano_selecionado])]
#-----------------------------------------------------------------------------------------------------------------#
# Graficos
#df_ano_mes_merged_filtered = df_ano_mes_merged[df_ano_mes_merged['ANO'].isin([ano_selecionado])]
fig_var_bc = px.line(df_ano_mes_merged_filtered, x='ANO_MES', y="%_VAR_EXPxIMP")
fig_var_bc.update_xaxes(minor=dict(ticks="inside", showgrid=True))
fig_balanca_comercial = px.bar(df_ano_mes_merged_filtered, x='ANO_MES', y='BALANÇA_COMERCIAL')
fig_balanca_comercial.update_layout(yaxis=dict(title=None), xaxis=dict(title=None))
#-----------------------------------------------------------------------------------------------------------------#
# KPI´s - Calculos adcionais (cards)
perc_var_exp_imp = round(df_ano_mes_merged_filtered['%_VAR_EXPxIMP'].sum(),2)
perc_var_exp_imp = f"{perc_var_exp_imp:,.2f}%"
saldo_balanca = df_ano_mes_merged_filtered['BALANÇA_COMERCIAL'].sum()
saldo_balanca = f"USD {saldo_balanca / 1e9:,.2f}Bi"
exp_total = df_exp_filtered['VL_FOB'].sum()
exp_total = f"USD {exp_total / 1e9:,.2f}Bi"
qtde_paises_exp = df_exp_filtered['NO_PAIS'].nunique()
#-----------------------------------------------------------------------------------------------------------------#
# Tabelas
df_balanca_grupo = df_grupo_merged.groupby(['NO_NCM_POR']).agg({'VL_FOB_EXP': 'sum', 'VL_FOB_IMP': 'sum'}).reset_index()
df_balanca_grupo = df_balanca_grupo.sort_values(by='VL_FOB_EXP', ascending=False)
#-----------------------------------------------------------------------------------------------------------------#
# Main
header = st.container()
#dataframe = st.container()
with header:
st.image('icones/brasao.png', width=250)
st.title('Bem vindo ao projeto COMEX - Balança Comercial')
st.text('Aplicação web interativa, construída com Streamlit e Python, para visualização e análise da balança comercial brasileira.')
st.divider()
st.markdown(f'### Dados coletados entre os anos de **{ano_inicial}** a **{ano_final}**!')
st.empty()
col1, col2, col3, col4 = st.columns(4)
with col1:
# st.text('% Var Exportação vs Importação')
# st.subheader(f'{perc_var_exp_imp:,} %')
st.metric('**% Var Exportação vs Importação**', perc_var_exp_imp)
with col2:
# st.subheader('Saldo da Balança Comercial')
# st.subheader(f'USD {saldo_balanca:,}')
st.metric('**Saldo da Balança Comercial**', saldo_balanca)
with col3:
# st.subheader('Total Exportações no periodo')
# st.subheader(f'USD {exp_total:,}')
st.metric('**Total Exportações**', exp_total)
with col4:
# st.subheader('Qtde Paises (clientes)')
# st.subheader(f'{qtde_paises_exp}')
st.metric('**Qtde Paises (clientes)**', qtde_paises_exp)
st.divider()
col4, col5 = st.columns(2)
with col4:
st.subheader('% Var Exp x Imp')
st.plotly_chart(fig_var_bc, use_container_width=True)
with col5:
st.subheader('Balança Comercial')
st.plotly_chart(fig_balanca_comercial, use_container_width=True)
st.divider()
st.subheader('Tabela aberta por grupo vs Valor USD (EXP/IMP) - Periodo total')
st.dataframe(df_balanca_grupo, use_container_width=True, hide_index=True)